Python 我如何设计我的正则表达式脚本来刮取一个非常特定的属性，比如颜色？

这个周末我在练习写脚本。我的方法是调整我以前使用过的刮板，从刮板搜索股票“价格”到刮板搜索属性：网站中使用的颜色。我研究过库和工具，比如lxml和BeautifulSoup，并尝试过一些调试，但我不太清楚

目标：返回网站上使用的所有颜色的列表

这是我写的：

import urllib
import re

url="https://cloud.google.com/edu"
htmlfile = urllib.urlopen(url)
htmlsource = htmlfile.read()

regex = '<color:#aaa>'
pattern = re.compile(regex)
color = re.findall(pattern, htmlsource)
print "color", color

导入urllib
进口稀土
url=”https://cloud.google.com/edu"
htmlfile=urllib.urlopen（url）
htmlsource=htmlfile.read（）
正则表达式=“”
pattern=re.compile（regex）
color=re.findall（模式，htmlsource）
打印“颜色”，颜色

我不断得到的回报是：color

regex='

将捕获与

'

如果您查看要刮取的页面的源代码（查看源代码：），并使用浏览器（ctrl+f）进行搜索，您会注意到字符串

'

在任何地方都不存在

如果您想获取该页面上使用的颜色，则必须检索基本如下所示的样式子字符串：

颜色：#xxx

颜色：rgba（x，x，x，x）

但这些可能略有不同：

• 6位十六进制颜色，而不是3位
• 带有3个参数的rgb，而不是带有4个参数的rgba
• “颜色”不仅仅是“颜色”，而是“其他颜色”
• 子字符串内的随机间距
• 等

这就是正则表达式派上用场的地方。我们可以设计几个处理这些场景的正则表达式（或者两个都是一个大而丑陋的正则表达式）。我脑海中有几个快速而不完整的例子：

'color\：\（？：\d{6}\d{3}）

“颜色\：rgba？\（\d+\，\d+\，\d+\）”

---

我想你可以从后面的事件中去掉子字符串“color:”

1）你的“regex”只是一个字符串，所以它只捕获了这些。2） 不要在HTML中使用正则表达式3）这是一个有效的HTML标记还是您正在尝试解析CSS？谢谢，克里克！当我离开这个问题时，我意识到我只包含了一部分而不是整个表达式。我还想知道，我是否应该指定它应该与颜色模糊匹配+几个字符以获得颜色代码？对于您的#3，我在开始查找时使用了“Inspect”函数，并且有链接的CSS包包含我正在查找的颜色引用…所以我想我正在尝试解析CSS！这会改变我的过程吗？谢谢你L.Alvarez！在我寻求更多帮助之前，我将阅读CSS和子字符串匹配。谢谢